原贴链接

我对LLM的圣杯是能够玩一场令人满意、连贯且机制健全的《龙与地下城》游戏。到目前为止，这还不可能实现。像RAG这样的技术使得遵守规则变得更容易，但主要问题依然存在：LLM本质上不进行规划，它们是即兴创作。这导致了一种梦幻般的品质，事物似乎凭空出现，并且不符合整个世界。

一个巨大的上下文窗口可能会对此有所帮助，但我对这些事情不是专家。

像AI Dungeon这样的服务正在致力于解决这个问题，但我还是想在这里询问可能的方法。我觉得，如果现在还不存在，我们可能会在2025年或2026年实现。

我还没有尝试过巨大的模型，比如你需要租用A100的那种——它们在基于游戏的长期故事讲述和遵守机制方面是否更好？

感谢任何帮助。

讨论总结

本次讨论围绕使用大型语言模型（LLM）进行《龙与地下城》（D&D）游戏的可能性展开。参与者普遍认为，尽管LLM在遵循规则方面有所改进，但其即时生成特性导致游戏内容缺乏连贯性和世界观的一致性。讨论中提到了多种可能的解决方案，包括使用更大的上下文窗口、开发专门的系统来处理游戏数据和玩家输入，以及利用多个小型代理和数据库来增强游戏的连贯性和深度。此外，AI Dungeon等服务被提及正在努力解决这些问题。总体而言，虽然目前LLM在D&D游戏中的应用仍面临挑战，但参与者对未来几年内实现这一目标持乐观态度。

主要观点

  1. 👍 LLM在D&D游戏中存在连贯性和一致性问题

    • 支持理由：LLM的即时生成特性导致游戏内容似乎突然出现，与整个游戏世界不协调。
    • 反对声音：通过使用更大的上下文窗口和专门的系统，可以改善这些问题。

  2. 🔥 需要开发专门的系统来处理游戏数据和玩家输入

    • 正方观点：专门的系统可以更好地规划游戏，确保连贯性和规则遵守。
    • 反方观点：开发和维护这样的系统需要大量的资源和时间。

  3. 💡 AI Dungeon等服务正在努力改进

    • 支持理由：AI Dungeon等服务的改进表明，通过不断的努力和创新，LLM在D&D游戏中的应用可以得到提升。
    • 反对声音：这些服务仍存在一些根本问题，如连贯性和一致性问题。

  4. 🚀 使用更大的上下文窗口可能有助于改善这些问题

    • 支持理由：更大的上下文窗口可以提供更多的背景信息，有助于LLM生成更连贯的内容。
    • 反对声音：上下文窗口的扩大可能导致处理成本的增加。

  5. 🌟 多个小型代理和数据库可能是未来的发展方向

    • 支持理由：通过多个小型代理和数据库，可以更好地管理和增强游戏的连贯性和深度。
    • 反对声音：这种复杂的系统可能难以实现和维护。

金句与有趣评论

  1. “😂 Ylsid：No, this is an issue with LLMs as a thing, hallucinating is what they do.”

    • 亮点：直接指出了LLMs的固有问题，即“幻觉”现象。

  2. “🤔 BabbaHagga：The illusion of choice is a DM greatest achievement, when pulled off correctly.”

    • 亮点：强调了人类DM在创造选择幻觉方面的重要性。

  3. “👀 DataPhreak：Yes it is possible to play DnD with a model. I could probably pull this off. Wouldn’t be perfect, but it would get the job done.”

    • 亮点：展示了使用LLM进行D&D游戏的可行性和挑战。

情感分析

讨论的总体情感倾向是积极的，尽管存在一些挑战和问题，但参与者普遍对未来LLM在D&D游戏中的应用持乐观态度。主要分歧点在于如何解决LLM的连贯性和一致性问题，以及开发和维护专门的系统所需的成本和资源。

趋势与预测

  • 新兴话题：结合LLM和GOAP（目标导向行动规划）的方法来提高D&D游戏的连贯性和目的性。
  • 潜在影响：随着技术的进步和创新，LLM在D&D游戏中的应用可能会得到显著提升，为玩家提供更加沉浸和有趣的游戏体验。

详细内容：

标题：能否用大型语言模型（LLM）玩转《龙与地下城》（D&D）？

在 Reddit 上，有一篇关于能否用 LLM 玩一场令人满意、连贯且遵循机制的 D&D 游戏的讨论引发了广泛关注。原帖作者表达了对 LLM 在这方面的期待，认为虽然目前还未实现，但未来或许在 2025 或 2026 年能够达成。作者还探讨了使用巨型模型是否能在长形式的游戏故事讲述和遵循机制方面表现更好。这篇帖子获得了众多回复，大家各抒己见。

讨论焦点主要集中在以下几个方面：

  • 有观点认为单纯依靠巨型模型无法完全解决问题，需要有能理解玩家输入以更新游戏状态，并能理解 LLM 输出的实际游戏系统。
  • 有人分享了通过让模型用陌生语言描述来保持游戏悬念的独特尝试，且取得了一定效果。
  • 一些人认为足够先进且具有大上下文的模型有可能模拟，但可能现行的 LLM 创建方法不支持。
  • 有人提出通过多种方式来解决，比如使用小代理和数据库系统，让 LLM 与规划器集成，或者将 LLM 作为系统中的一层来处理输入和叙述。

例如，有用户表示：“我试过让模型用土耳其语描述我角色的感知和世界状态，这个方法在一定程度上起作用了。战斗等方面没有明确规则，所以事情往往按照我的意图发展，但有时也能实现连贯的游戏玩法。”

同时，讨论中也存在一些共识，即认为目前 LLM 在空间推理、遵循规则和保持故事连贯性等方面仍存在挑战。但也有用户抱有乐观态度，相信通过合适的编程和游戏系统，现在能在一定程度上实现令人满意的效果，只是还不完美。

总的来说，关于能否用 LLM 玩好 D&D 游戏的讨论仍在继续，各方观点丰富多样，展现了对这一创新尝试的期待与思考。